Fordonstrafiken har länge trotsat beskrivningen. En gång mätt grovt genom visuell inspektion och trafikkameror, kvantifierar nya smartphone crowdsourcing-verktyg nu trafiken mycket mer exakt. Denna populära metod ger dock också ett problem:noggranna mätningar kräver mycket data och användare.

Meshkat Botshekan, en MIT Ph.D. student i civil- och miljöteknik och forskningsassistent vid MIT Concrete Sustainability Hub, har försökt expandera på crowdsourcing-metoder genom att undersöka trafikens fysik. Under sin tid som doktorand har han hjälpt till att utveckla Carbin, ett smartphone-baserat roadway crowdsourcing-verktyg skapat av MIT CSHub och University of Massachusetts Dartmouth, och använt dess data för att ge mer insikt i trafikens fysik – från bildandet av trafikstockningar till slutsatsen av trafikfas och körbeteende. Här förklarar han hur de senaste fynden kan göra det möjligt för smartphones att härleda trafikegenskaper från mätningar av ett enskilt fordon.

F:Många navigeringsappar mäter redan trafik. Varför behöver vi alternativ?

S:Trafikegenskaper har alltid varit svåra att mäta. Tidigare användes visuell inspektion och kameror för att ta fram trafikmått. Så det går inte att förneka att dagens navigeringsverktygsappar erbjuder ett överlägset alternativ. Men även dessa moderna verktyg har luckor.

Främst bland dem är deras beroende av rumsligt fördelade användarantal:Dessa appar räknar i huvudsak upp sina användare på vägsegment för att uppskatta trafiktätheten. Även om detta tillvägagångssätt kan verka adekvat, är det både sårbart för manipulation, vilket visas i vissa virala videor, och kräver enorma mängder data för tillförlitliga uppskattningar. Att bearbeta dessa data är så tids- och resurskrävande att de, trots att de är tillgängliga, inte kan användas för att effektivt kvantifiera trafik över ett helt vägnät. Som ett resultat är denna enorma mängd trafikdata faktiskt inte optimal för trafikhantering.

F:Hur kan ny teknik förbättra hur vi mäter trafik?

S:Nya alternativ har potential att erbjuda två förbättringar jämfört med befintliga metoder:För det första kan de extrapolera mycket mer om trafik med mycket färre data. För det andra kan de kosta en bråkdel av priset samtidigt som de erbjuder en mycket enklare metod för datainsamling. Precis som Waze och Google Maps förlitar de sig på crowdsourcingdata från användare. Ändå är de grundade på inkorporeringen av statistisk fysik på hög nivå i dataanalys.

Till exempel, Carbin-appen, som vi utvecklar i samarbete med UMass Dartmouth, tillämpar principer för statistisk fysik på befintliga trafikmodeller för att helt avstå från behovet av användarräkningar. Istället kan den härleda trafiktäthet och förarbeteende med hjälp av ingången från en smartphone monterad i ett fordon.

Metoden i hjärtat av appen, som publicerades i höstas i Physical Review E , behandlar fordon som partiklar i ett system med många kroppar. Precis som beteendet hos ett slutet många kroppssystem kan förstås genom att observera beteendet hos en enskild partikel som förlitar sig på statistisk fysiks ergotiska sats, kan vi karakterisera trafiken genom fluktuationerna i hastighet och position för ett enskilt fordon över en väg. Som ett resultat kan vi härleda trafikens beteende och täthet på ett segment av en väg.

Eftersom det krävs mycket mindre data är denna metod snabbare och gör datahanteringen mer hanterbar. Men viktigast av allt, det har också potential att göra trafikdata billigare och tillgängliga för dem som behöver det.

F:Vilka är några av parterna som skulle dra nytta av ny teknik?

S:Mer tillgänglig och sofistikerad trafikdata skulle gynna mer än bara förare som söker smidigare, snabbare rutter. Det skulle också göra det möjligt för statliga och stadsdepartement för transport (DOT) att göra lokala och kollektiva insatser som främjar de kritiska transportmålen rättvisa, säkerhet och hållbarhet.

Som en säkerhetslösning kan ny datainsamlingsteknik identifiera farliga körförhållanden i mycket finare skala för att informera om förbättrade trafikdämpande åtgärder. Och eftersom socialt utsatta samhällen upplever trafikvåld oproportionerligt mycket, skulle dessa ingripanden ha den extra fördelen att de tar itu med brådskande frågor om rättvisa.

Det skulle också finnas en miljövinst. DOT:er kan minska fordonsutsläppen genom att identifiera små avvikelser i trafikflödet. Detta skulle ge dem fler möjligheter att mildra tomgångskörningen och trängseln som genererar överdriven bränsleförbrukning.

Som vi har sett har dessa tre utmaningar blivit alltmer akuta, särskilt i stadsområden. Ändå finns den data som behövs för att hantera dem redan – och den samlas in av smartphones och telematikenheter över hela världen. Så för att säkerställa ett säkrare och mer hållbart vägnät kommer det att vara avgörande att införliva dessa datainsamlingsmetoder i vårt beslutsfattande.